ASN IT & Management. Projektet Voluntary Driving Information, VDI Diarienummer: EK50-A 2004:19104

Transkript

1 1 ASN IT & Management Projektet Voluntary Driving Information, VDI Diarienummer: EK50-A 2004:19104 ASN IT & Management Consulting AB Hägersten Namn, adress, telefon, mail till kontaktperson för projektet Anders S Nilsson, Ek. Lic. ASN IT & Management Consulting AB Edsbergsgränd Hägersten anders@asn-it.com

2 2 Projektet Voluntary Driving Information, VDI Diarienummer: EK50-A 2004:19104 Anders S Nilsson ASN IT & Management Consulting AB Slutrapport - Sammanfattning Bränsleekonomi, mindre utsläpp och trafiksäkerhet har förbättrats under många år tack vare bättre bilar och säkrare vägar och detta är naturligtvis viktigt även i fortsättningen. Men lite har hittills gjorts för att förbättra förarbeteendet. VDI är ett koncept som bygger på att ge feed back till föraren om sitt körbeteende och skapa incentives för att köra klokt. Olika vyer av samma data delas mellan olika aktörer och används för flera olika syften med målen att - minska olyckor - reducera miljöeffekterna genom lägre bränsleförbrukning - reducera kostnader för såväl samhälle som individ och försäkringsbolag Grunden i systemet är en drive recorder i fordonet som registrerar hastighet, varvtal, acceleration, retardation etc vars data med jämna mellanrum överförs till en central databas. Föraren kan ta fram feed back rapporter via Internet. Den centrala databasen är tillgänglig, enligt frivillig överenskommelse mellan ägaren och olika partners, att ta del av informationen för att skapa incitament för föraren att köra klokt. Exempel på incitament är lägre försäkringsavgift om föraren håller sig inom överenskomna hastighetsregler. Ett annat är lägre bränslekostnader om man lär sig ett köra bränslesnålt där ett bränsleföretag subventionerar körträning för sina kortkunder (och därmed stärker sina kundrelationer, miljöprofil och kundlojalitet. Vi har nu fått fram en första systemversion som används i ett 20 tal fordon. De använder systemet som ett självstyrt lärkoncept där föraren lär i sin dagliga körning och via feed back och reflektion gradvis förbättrar sin körstil. Vi kan redovisa mätbar effekt som reducerad hastighet och minskad bränsleförbrukning i storleksordningen 10%. Baserat på detta har vi sedan gjort demonstrationer för åkerier, försäkringsbolag, oljeföretag, körskolor. Vi har beskrivit en modell för ett incitamentsbaserat försäkringssystem som bygger på - försäkring som ett avtal med överenskommelse om t.e.x. max hastighet, hastig acceleration - självkontroll - undantagsrapporter inklusive riskindikatorer som uppföljning - bonus i efterhand om uppnådda mål nåtts men vi väntar fortfarande på att hitta ett innovativt försäkringsbolag som vill börja med ett pilotsystem. Försök har inletts med att använda systemet på körskolor i Heavy Ecodriving. Det i denna rapport beskrivna systemen är tillämpliga på såväl lastbilar som personbilar. Men datainsamling för personbilar visade sig svårare än vi trodde. Här har endast en teknisk specifikation kunnat göras. Vi har heller inte fått någon bra respons hos någon av de svenska fordonstillverkarna eller hos en stor importör i Södertälje. Att fundera på hur man kan påverka och förbättra förarbeteende verkar inte vara deras grej!

3 3 2. Syfte med projektet Den ursprungliga syftesbeskrivningen var följande: 1.Ta fram en första prototyp baserade på integration av systemmoduler från olika systemföretag med följande bas funktionalitet: - GPS och DriveRecorder med central databas som uppdateras via GSM/GPRS - alarm - kund databas 2. Programmera några utdatarapporter som kan tas fram på begäran av förare/ägare och andra intressenter 3. Demonstrera prototyp för olika aktörer och göra pilot installation i 10-talet fordon för att få praktisk erfarenhet. 4. Utveckla affärs- och tjänstekoncept med hjälp av systemprototypen Vi har haft större problem än vad vi trodde avseende datainsamling från personbilar men i allt väsentligt har vi kunna bibehålla det ursprungliga syftet. Vi har tack vare formandet av VDI Innovation AB kommit mycket längre i konkretisering av system och koncept an vad vi trodde var möjligt när vi gjorde ansökan. 3. Bakgrund VDI konceptets ideer om hur information kan användas för att stimulera ett bra körbeteende och hur information kan delas av många för olika syften har sin grund i ett samtal mellan Hans G Ekdahl och Anders S Nilsson där paralleller gjordes till management by objectives, kvalitetsstyrning och organisatoriskt lärande inom de industriella verksamheter som båda har erfarenhet av. Anders erfarenhet av lastbilar och hur IT kan användas för innovativa tjänstekoncept kopplades till Hans erfarenheter av målstyrning av säljare och servicemän. Resultatet blev en patentansökan av VDI-konceptet och sedan en ansökan till Skyltfonden för att genomföra det projekt som här slutredovisas. Patentet har sedan beviljats. I slutet av 2005 fick vi kontakt med några andra personer som arbetat med dessa frågeställningar sedan 1998 men i ett företag som hade organisations- och finansiella problem. Vi hade samma synsätt vad gäller bärande ide och av tekniska möjligheter vilket ledde till att vi i mars 2006 bildade ett gemensamt bolag för att utveckla systemet. Denna gedigna kompetens möjliggjorde att våra konceptuella ideer snabbt kunde konkretiseras i ett fungerande system. Det system som nu har utvecklats av VDI är 5:e generation av system vilket betyder att det grundas på gedigen erfarenhet från ett 85-tal förare och 50 bilar och som körts km och från Anders Scania-erfarenheter. Systemet kan betraktas som ett faktabaserat lär- och uppföljningssystem där en drive recorder i fordonet registrerar hastighet, varvtal, acceleration, retardation etc. Realtids feed back kan ges via en handdator som presenterar relevant och intuitiv information till föraren. Data överförs parallellt med jämna mellanrum till en central databas via GPRS och Internet. Föraren, och andra med behörighet, kan ta fram feedback rapporter via Internet som ger förslag till hur han kan förbättra sin körstil. VDI s kärnkompetens ligger till stor del i att via olika algoritmer behandla data från fordonets elektroniksystem till meningsfull begriplig feed back

4 4 information som kan förstås av en förare så att de leder till ett bättre körbeteende som i sin tur leder till lägre bränsleförbrukning och säkrare körning. VDI har, baserat på kunnande från lastbilar, också börjat med prototyper för personbilar. Huvudspåret är att i samverkan med försäkringsbolag erbjuda differentierade försäkringslösningar som belönar klok körning till unga bilförare, budbilar, tjänstebilar etc. VDI har det system efterfrågas av Vägverkets generaldirektör Ingemar Skogö och Anders Sundström, verkställande direktör på Folksam lanserar i en debattartikel, bland annat i Göteborgsposten lördagen 15 oktober, nya oprövade metoder för att nå Nollvisionens delmål 2007, en halvering av antalet dödade i trafiken. De föreslår bland annat differentierade försäkringspremier som baseras på trafiksäkerhetsaspekter. 4. Metod och material Som beskrevs ovan så utvecklade vi först en konceptbeskrivning av VDI som både ett affärskoncept och som ett trafiksäkerhetskoncept. Vi presenterade detta för olika aktörer som t.ex. försäkringsbolag, bränsleleverantörer, tjänstebilsägare med bra respons. Vi beskrev systemets funktionalitet och hade för avsikt att göra avtal med ett par systemleverantörer för att få dessa att integrera sina delsystem till den prototyp vi nu tagit fram. Men, som beskrevs ovan, så bildade vi istället ett gemensamt företag för att ta fram systemet. Vi kunde då ta tillvara många års samlade erfarenhet och mycket snabbare komma fram med en fungerande systemversion. Även det beaktat så har arbetet tagit längre tid än planerat men systemet finns nu framme i en lastbilsversion. Personbilsversion inklusive budbilar, taxi etc finns beskriven men vi söker utvecklingspartner för att utforma datainsamlingsmodulen. Vi har också gjort prov med utrustning från Mobistics, OPUS och VDO som gett oss olika erfarenheter vilka redovisas nedan. Ursprungligen hade vi tänkt att få fram drive recorder från Mecel men det visade sig tekniskt komplicerat i kombination med att de fick hög beläggning vilket minskade deras intresse för vårt projekt. Baserat på konkreta erfarenheter från kunder och vår rullande produktutvecklingsplan kommer systemet nu att vidareutvecklas med fler funktioner. 5. Resultatredovisning Vi har nu fått fram en första systemversion som används i ett 20 tal fordon. En demoversion finns på Logga in genom länken uppe i högra hörnet och använd dessa inloggningsuppgifter: Kund: 000 Användarnamn: demo11 Lösenord: 316 Klicka på rapporter och välj antingen ett helt företag eller ett enskilt fordon. Glöm inte att välja för vilken period du vill se innan du klickar på Visa rapport. VDI som ett lärsystem VDI kan ses ett självstyrt lärsystem, genom begriplig feed back, i klokare körning med syfte att förbättra förarbeteende som ger lägre bränslekostnader och högre trafiksäkerhet och mindre

5 5 miljöbelastning. En viktig del i ett lärsystem handlar om att skapa engagemang och motivation till varje medarbetare i att utveckla sitt mästerskap. Med det senare avses att skapa en inre motivation hos varje medarbetare att förbättra sig och utveckla sina förmågor och våga bygga på sina starka sidor. Och då inte bara förmågan att utföra utan också den kreativa förmågan och attityden samt att lära Träningsprogrammet bygger på principen lära genom att göra där förare och fordonsansvarig utvecklar sin förmåga till ekonomisk körning genom feed back om förarbeteende, analys och reflektion av detta för att sedan gradvis ändra körstil och lära genom erfarenhet. Grunden i lärsystemet är en drive recorder i fordonet som registrerar ett antal viktiga faktorer som leder till ekonomisk och säker körning. Informationen presenteras för föraren i fordonet via en handdator/smartphone via en pedagogisk graf som illustrerar hur han på bästa sätt kan utnyttja energin samt via rapporter till förare och fordonsansvarig vilka tas ut via web. Rapporter som fungerar som feed back, liknande ett score-kort i golf, och därmed som stöd för reflektivt lärande. VDI är ett lärsystem där föraren tävlar med sig själv på samma sätt som en golfspelare försöker att sänka sitt handikapp. Genom rapporter och handdator får föraren feed back som göra att han succesivt förbättrar sitt resultat och därmed sin yrkesskicklighet. Systembild GPS Internet WWW GPRS/GSM Server Åtgärdsorienterad feed abck Handdator Feedback i realtid Sparsam körning Lärande Reflektion Internet Internet WWW WWW Utbildningsföretag Internet Internet WWW WWW Till Förare Fomulera mål På kontoret VDI är ett kostnadseffektivt lärsystem där föraren lär själv genom feed back och genom dialog med fordonsansvarig som fungerar som coach. Men även extern utbildning kan komplettera och då med extern coaching från utbildningsorganisation som kan hjälpa till med analys av besparingspotential och förslag till åtgärdsprogram. Ett genomgående tema är att utbildning och uppföljning skall kunna genomföras som distans-utbildning via Internet. Instruktörsledd utbildning blir endast aktuell i samband med specialutbildningar eller vid riktad utbildning mot elever som inte klarar distansutbildningen. Vi har också tagit fram modell för ett bonussystem som stimulerar till ett bra förarbeteende. Fakta om hastighet, bromsning, förmågan att utnyttja rörelseenergin etc. ger ett rättvist uppföljningssystem som leder till en snabb kompetenshöjning hos förarna med ett uthålligt resultat för ökad trafiksäkerhet och bättre bränsleekonomi.

6 6 Uppnådd effekt De bilar som sedan några månader använder systemet, varav handdator med realtidsfeed back endast ett par veckor, har reducerat hastighet och bränsle mellan 5-15%. Medelförbrukning minskas med 10,3% ,7 l/100km 52,4 l/100km Installation av PDA för feedback i realtid Före Medel Efter Medel Detta är från en verklig lastbil och illustrerar hur förarbeteendet ändras: lägre hastighet och bättre utnyttjande av rörelseenergi som ger lägre bränsleförbrukning. Trafiksäkerhetsnytta och spridning av resultatet Systemet har i sin nuvarande form inriktning på förbättrad förarbeteende för att ge bättre bränsleekonomi vilket samverkar med högre trafiksäkerhet genom att bränsleförbrukningen ökar med kvadraten på hastighetsökningen. I figuren nedan illustreras värdena från en lastbil som vi följt via föremätning jan och feb Den fick en handdator för att ge realtidsfeedback installerad under mars med följande effekt på reducerad hastighet. Hastighetsfördelning som andel av kösträcka Högra stapeln i feb vänstra i mars efter inst av PDA

7 7 Ovanstående graf är exempel på de rapporter som föraren kan ta ut via internet. Genom att föraren blir medveten om olika hastigheter så leder det till förbättrat förarbeteende. Och lägre hastighet har stor betydelse för högre trafiksäkerhet. En bärande ide i konceptet är incitament och feed back för att stimulera lärande och påverka beteende. Exempel på incitament är lägre försäkringsavgift om föraren håller sig inom överenskomna hastighetsregler t.ex. till ungdomar under 25 år. Presentation har getts till några försäkringsbolag som varit mycket positiva men inte ännu tagit steget fullt ut att ta fram ett försäkringssystem som bygger på våra tankegångar. Men vi har precis börjat med ett par bilar som kommer att följas av ett försäkringsbolag och då i syfte att se vad det ger för resultat men också för att börja med en pilotlösning för ett incitamentsbaserat försäkringssystem. Därtill har vi identifierat ett mätbart styrtal Gauffins algorithm från en förare med osedvanligt dålig körstil som vi började analysera. Vi fann att han gasade för att nästan omedelbart bromsa, i ett regelbundet mönster, vilket innebar att den energi som skapats nästan omedelbart omvandlades till värmeenergi i bromsskivorna. Men detta styrtal anser en trafikforskare som vi samarbetar med också vara en god indikator på riskfyllt körbeteende. Detta skall vi lyfta fram och utveckla i mätetalet Gas- Broms. En annan möjlig sådan indikator är frekvensen bromsning i hastigheter >60 km/t som är nästan onödig om du har bra framförhållning och korta avstånd till framförvarande fordon. Jag har en barndomsvän som kör lastbil mellan Borås och Stockholm och vi har kommit fram till att mellan Jönköping och Kungens Kurva behöver du inte bromsa en enda gång förutsatt en normal trafiksituation. En förare som däremot har många bromsningar över 60 km/t på denna typ av sträcka torde var en riskförare. Detta nämnt som ett exempel på de data som vi i framtiden kan analysera för att bygga upp kunskap om indikatorer och riskbeteenden. En grundsyn är att föraren är intresserad att lära sig och förbättra sin körstil för att också spara bränsle och minska miljöeffekter. Ett annat antagande är att man tar ansvar för självkontroll av överenskomna mål som fastställts i försäkringsavtalet som också innehåller incitament i form av bilförsäkring som ger bonus i efterhand om man uppfyller överenskomna mål. Se exempel nedan. Det innebär att alla bilförare inte kommer att vara intresserade av detta men tillräckligt många som kör klokt och som är villiga att låta försäkringsbolaget verifiera detta kommer att vara intresserade för att det skall påverka den totala trafikrytmen och få ned hastigheterna på våra vägar. Modell för incitamentsbaserat försäkringssystem Vi har utvecklat en modell för försäkringssystem och vi söker nu samarbete med försäkringsbolag för att utveckla funktionalitet för att använda systemet även för försäkringsavtal som innehåller incitament för klok körning. Grunden är det system som här har beskrivits med - självkontroll - lärande - uppföljning - databas om körbeende som ger kunskap om risker och farliga vägavsnitt. Grunden är ett försäkringsavtal med överenskomna och uppföljningsbara mål vilket illustreras nedan:

8 8 Försäkringsavtal mellan Anders S Nilsson och ett försäkringsbolag. (Detta kan i ett vidareutvecklat system följas upp automatiskt) Målområde Mål Vikt % Bonus i kr Hastighet i tätort <50 90% av sträcka Topphastighet Max 130 i 3% av str Säkerhetsbälte 100% Körsträcka 2400/år Kör ej i Ryssland Undviker rusningstrafik Kör enbart i maj-sept Incidensrisk (Gas-Broms) 100% Slutsatser/Diskussion En bärande ide i konceptet är incitament och feed back för att stimulera lärande och påverka beteende. VDI-konceptet utnyttjar IT s möjligheter att många kan dela på samma information samtidigt, oberoende av varandra, och för olika syften, med behörighet till en central databas för brukare enligt frivillig överenskommelse. På detta sätt skapar vi teknologisynergi och därmed hög funktionalitet till låg kostnad per funktion och per utnyttjare. En annan bärande ide bygger på frivillig och öppen information, till dem som har behörighet, samtidigt som försäkringsbolag reducerar sin riskmöjlighet genom att följa upp överenskommelser om en viss körstil och km-sträcka och därmed kan ge en lägre premie. Denna självdisciplinering som vi får och frivillig delning av information löser problemet med integritet. Föraren, och andra med behörighet, kan ta fram feed back rapporter via Internet. Den centrala databasen är tillgänglig, enligt frivillig överenskommelse mellan ägaren och Smart Driving Partners som försäkringsbolag, bränsleleverantörer, andrahandsköpare och ecodriving, att ta del av informationen för att skapa incitament för föraren att köra klokt. Exempel på incitament är lägre försäkringsavgift om föraren håller sig inom överenskomna hastighetsregler t.ex. till ungdomar under 25 år. Ett annat är lägre bränslekostnader om man kör bränslesnålt. Försäkringsbolag och leasingföretag får lätt att samla in km-avgifter och får på sikt en databas om skadeutfall relaterat till körbeteende. Leasingföretagen kan erbjuda lägre total cost of ownership till lägre risk. VDI i bemärkelsen frivillig användning av information för förare där såväl fordonsansvarig och förare har tillgång till informationen fungera utmärkt bland de bilar vi nu har i drift. Det är

9 9 inga problem med öppenhet och det blir bra diskussioner om resultat och vilka åtgärder föraren skall vidta för att förbättra sig. Erfarenheterna hittills stöder iden med Voluntary Driving Information där man frivilligt kan dela med sig information där IT s möjligheter att många kan dela på samma information samtidigt, oberoende av varandra, och för olika syften. På detta sätt skapar vi teknologisynergi och därmed hög funktionalitet till låg kostnad per funktion och per utnyttjare. Spridning av resultat För Vägverket i Härnösand gjordes en presentation om hur systemet skulle kunna utvecklas för att höja Skogskvalitet på Väg. Samma presentation har också getts till Sveriges Åkeriföretags representant i projektet. Budskapet var att skogstransporter i bl.a. Sydsverige leder till stort vägslitage och då när man kör med full last och med full hastighet. Som bekant slits vägarna mycket mer om man kör 80 km/t med full last jämfört om man kör 50 km/t. Att köra i 80 km/t med tomt fordon kan däremot vara OK. Vi har ett systemförslag som kan lösa detta problem och det handlar om att differentiera hastighet - om man kör med full last eller tomkörning - beroende på vilken väg man kör baserat på GPS och geografiskt stängsel - om temporära begränsningar gäller under t.ex. källossning I vårt systemförslag ger vi föraren information i displayen om rådande hastighet som vi hämtar från NVDB. Men vi vi räknar fram fordonets massa och kan därför lägga till villkor som föreskriver olika hastighet om man kör i tomme eller med full last. Allt loggas sedan per GPSposition i VDI s server. Med dessa system kan skogsföretagen följa upp var ett fordon kört och med vilken hastighet och detta kan automatiskt följas upp via en villkorsdatabas som ansluts till VDI s server. Ersättning till åkerierna kan därmed differentieras baserat på om man följt uppställda hastighetsregler. Som spinoff kommer man att få fakta om verkliga körtider beroende på rutten. Vår förhoppning om att detta kunde prövas i projektet Skogskvalitet på Väg har ännu inte infriats. Vi har också visat systemet för QIII-projektet (tidigare BTT) med syfte att visa vilka uppföljningsmöjligheter som finns tillgängliga för att därmed påverka beteende och nå verklig och uthållig effekt i trafiken. (Och inte bara visa beställarnas goda intentioner och avsikter). Inte heller här har vi fått något konkret intresse. Vi har också visat systemet för TYA med förslag att de kan använda VDI-systemet i sin e- learning. Positiv inställning men ännu ej konkret handling. Vi har också visat systemet för försäkringsbolag, bränsleföretag och lastbilsföretag. Vad har vi lärt? Vi kan konstatera att ideerna håller vilket vi kan se genom: - bra respons hos kunder för VDI-systemet och vi ser hur förare förbättrar sin körstil - bra respons hos ett par försäkringsbolag men de är tröga till handling - diskussion med ett oljebolag om att driva deras Fuel and driving school

10 10 - debattartiklar från VTI, Skogö och Sundström som talar om innovativa försäkringslösningar som förutsätter vår typ av system. Men vi har underskattat den insiktströghet och manövertröghet som försäkringsbolagen har. De har ett oligopolistiskt förflutet med riskminimering som affärside varför de saknar snabb innovationsförmåga. Vi har också lärt att: - GPRS-teknik för datainsamling kan krångla men med god teknisk kompetens blir systemet så småningom driftsäkert. - Utnyttjande av Followitenhet från Mobistics för personbilar misslyckades p.g.a. att vi inte kunde få fram hastighetsdata ifrån deras system. - System som skall eftermonteras måste vara enkla att installera. Vi har fått låna system från VDO men verkstaden har inte lyckats montera in det. - Systemlösningen som är ett typiskt kontrollsystem och saknar ett lärperspektiv bedöms ej vara användbart för vårt koncept. Vi provade ett par enheter från Opus för att följa upp hastighet i personbilar och det fungerade men enbart för att presentera hastighetsdata och retardationsdata som överfördes till en PC för att ta fram kontrollrapporter. Inte för att stödja lärande och därmed oanvändbart. - Insamling av data från personbilar visade sig svårare och mer tidskrävande än vi trodde. Testet av utrustning från Mobistics och OPUS visar att övervakningsdata kan insamlas både via GPS-utrustning och via anslutning till elsystemet. Men så snart man vill få fram data som skall användas som feed back information för att lära föraren att köra bättre så krävs data från CAN eller OBDII. Den utveckling av en prototyp för datainsamling via OBDII-uttaget som vi avsåg göra tillsammans med OPUS har inte kunnat genomföras.